ISSUE=4588791 fix PaddlePaddle name error in doc

git-svn-id: https://svn.baidu.com/idl/trunk/paddle@1416 1ad973e4-5ce8-4261-8a94-b56d1f490c56

doc_cn/build_and_install/cmake/compile_options.rst

@@ -23,7 +23,7 @@ bool型的编译选项
 blas相关的编译选项
 ++++++++++++++++++
 
-Paddle可以使用 `MKL <https://software.intel.com/en-us/intel-mkl>`_ ，
+PaddlePaddle可以使用 `MKL <https://software.intel.com/en-us/intel-mkl>`_ ，
 `Atlas <http://math-atlas.sourceforge.net/>`_ ,
 `OpenBlas <http://www.openblas.net/>`_ 和 
 `refference Blas <http://www.netlib.org/blas/>`_ ，任意一种cblas实现。
@@ -52,7 +52,7 @@ cmake编译时会首先在系统路径(/usr/lib\:/usr/local/lib)中寻找这些b
 cuda/cudnn相关的编译选项
 ++++++++++++++++++++++++
 
-Paddle可以使用 cudnn v2之后的任何一个cudnn版本来编译运行。但需要注意的是编译和
+PaddlePaddle可以使用 cudnn v2之后的任何一个cudnn版本来编译运行。但需要注意的是编译和
 运行使用的cudnn尽量是同一个版本。推荐使用最新版本的cudnn v5.1。
 
 在cmake配置时可以使用 :code:`CUDNN_ROOT` 来配置CUDNN的安装路径。使用的命令也是 

doc_cn/build_and_install/install/docker_install.rst

@@ -25,7 +25,7 @@ PaddlePaddle提供的Docker镜像版本
 
 同时，不同的稳定版本，会将latest替换成稳定版本的版本号。
 
-Paddle提供的镜像并不包含任何命令运行，想要运行Paddle，您需要进入镜像运行paddle
+PaddlePaddle提供的镜像并不包含任何命令运行，想要运行PaddlePaddle，您需要进入镜像运行paddlePaddle
 程序或者自定义一个含有启动脚本的image。具体请参考注意事项中的 
 `使用ssh访问paddle镜像`
 

doc_cn/build_and_install/install/index.rst

@@ -1,9 +1,9 @@
-安装Paddle
+安装PaddlePaddle
 ==========
 
-Paddle提供数个预编译的二进制来进行安装。他们包括Docker镜像，ubuntu的deb安装包等
-。欢迎贡献更多的安装包。我们更推荐使用Docker镜像来部署Paddle环境。
+PaddlePaddle提供数个预编译的二进制来进行安装。他们包括Docker镜像，ubuntu的deb安装包等
+。欢迎贡献更多的安装包。我们更推荐使用Docker镜像来部署PaddlePaddle环境。
 
 ..	toctree::
 	docker_install.rst
-	ubuntu_install.rst
+	ubuntu_install.rst

doc_cn/build_and_install/install/ubuntu_install.rst

@@ -1,25 +1,25 @@
-使用deb包在Ubuntu上安装paddle
+使用deb包在Ubuntu上安装PaddlePaddle
 =============================
 
-Paddle目前支持ubuntu 14.04版本使用deb包安装。更多的安装包Paddle会在近期提供。
+PaddlePaddle目前支持ubuntu 14.04版本使用deb包安装。更多的安装包PaddlePaddle会在近期提供。
 欢迎大家贡献各个发行版的安装包(例如，ubuntu，centos，debian，gentoo)。
 
-Paddle的ubuntu安装包分为两个版本，即CPU版本，和GPU版本，他们的下载地址是:
+PaddlePaddle的ubuntu安装包分为两个版本，即CPU版本，和GPU版本，他们的下载地址是:
 
-* CPU版本的paddle安装包:  TBD
-* GPU版本的paddle安装包:  TBD
+* CPU版本的PaddlePaddle安装包:  TBD
+* GPU版本的PaddlePaddle安装包:  TBD
 
-需要注意的是，目前paddle的安装包只支持 
+需要注意的是，目前PaddlePaddle的安装包只支持 
 `AVX <https://en.wikipedia.org/wiki/Advanced_Vector_Extensions>`_
-指令集的X86 CPU。如果系统使用不支持 `AVX`_ 指令集的CPU运行Paddle，那么需要从源码
-编译Paddle，请参考 `编译文档 <../cmake/index.html>`_ 。
+指令集的X86 CPU。如果系统使用不支持 `AVX`_ 指令集的CPU运行PaddlePaddle，那么需要从源码
+编译PaddlePaddle，请参考 `编译文档 <../cmake/index.html>`_ 。
 
-用户需要先讲paddle安装包下载到本地，然后执行如下命令即可完成安装。
+用户需要先将PaddlePaddle安装包下载到本地，然后执行如下命令即可完成安装。
 
 ..  code-block:: shell
 
     dpkg -i paddle-1.0.0-cpu.deb
     apt-get install -f
 
-需要注意的是，如果使用GPU版本的paddle，请安装CUDA 7.5 和CUDNN 5到本地环境中，并
+需要注意的是，如果使用GPU版本的PaddlePaddle，请安装CUDA 7.5 和CUDNN 5到本地环境中，并
 设置好对应的环境变量(LD_LIBRARY_PATH等等)。

doc_cn/ui/cmd/index.rst

@@ -1,15 +1,15 @@
 命令行参数
 ==========
 
-安装好的Paddle脚本包括多条命令，他们是
+安装好的PaddlePaddle脚本包括多条命令，他们是
 
-* paddle train即为paddle的训练进程。可以使用paddle train完成单机多显卡多线程的训
+* paddle train即为PaddlePaddle的训练进程。可以使用paddle train完成单机多显卡多线程的训
   练。也可以和paddle pserver组合使用，完成多机训练。
-* paddle pserver为paddle的parameter server进程。负责多机训练中的参数聚合工作。
-* paddle version可以打印出paddle的版本和编译时信息。
-* merge_model 可以将paddle的模型和配置打包成一个文件。方便部署分发。
-* dump_config 可以将paddle的训练模型以proto string的格式打印出来
-* make_diagram 可以使用graphviz对paddle的网络模型进行绘制，方便调试使用。
+* paddle pserver为PaddlePaddle的parameter server进程。负责多机训练中的参数聚合工作。
+* paddle version可以打印出PaddlePaddle的版本和编译时信息。
+* merge_model 可以将PaddlePaddle的模型和配置打包成一个文件。方便部署分发。
+* dump_config 可以将PaddlePaddle的训练模型以proto string的格式打印出来
+* make_diagram 可以使用graphviz对PaddlePaddle的网络模型进行绘制，方便调试使用。
 
 更详细的介绍请参考各个命令的命令行参数文档。
 

doc_cn/ui/data_provider/index.rst

@@ -1,20 +1,20 @@
-Paddle的数据提供(DataProvider)介绍
+PaddlePaddle的数据提供(DataProvider)介绍
 ==================================
 
-数据提供(DataProvider，后用DataProvider代替)是Paddle负责提供数据的模块。其作用是将训练数据
+数据提供(DataProvider，后用DataProvider代替)是PaddlePaddle负责提供数据的模块。其作用是将训练数据
 传入内存或者显存，让神经网络可以进行训练。简单的使用，用户可以使用Python的
 :code:`PyDataProvider` 来自定义传数据的过程。如果有更复杂的使用，或者需要更高的效率，
 用户也可以在C++端自定义一个 :code:`DataProvider` 。
 
-Paddle需要用户在网络配置(trainer_config.py)中定义使用什么DataProvider，和DataProvider
+PaddlePaddle需要用户在网络配置(trainer_config.py)中定义使用什么DataProvider，和DataProvider
 的一些参数，训练文件列表(train.list)和测试文件列表(test.list)。
 
 其中，train.list和test.list均为本地的两个文件(推荐直接放置到训练目录，以相对路径引用)。如果
 test.list不设置，或者设置为None的话，那么在训练过程中，不会执行测试操作。否则，则会根据命令行
 参数指定的测试方式，在训练过程中进行测试，从而防止过拟合。
 
 一般情况下，train.list和test.list为纯文本文件，其每一行对应这每一个数据文件。数据文件存放在
-本地磁盘中，将文件的绝对路径或相对路径(相对于Paddle程序运行时的路径)的方式写在train.list和
+本地磁盘中，将文件的绝对路径或相对路径(相对于PaddlePaddle程序运行时的路径)的方式写在train.list和
 test.list中。当然，train.list和test.list也可以放置hdfs文件路径，或者数据库连接地址等等。
 用户在DataProvider中需要实现如何访问其中每一个文件。
 

doc_cn/ui/data_provider/pydataprovider2.rst

@@ -1,8 +1,8 @@
 PyDataProvider2的使用
 =====================
 
-PyDataProvider是Paddle使用Python提供数据的推荐接口。使用该接口用户可以只关注如何
-从文件中读取每一条数据，而不用关心数据如何传输给Paddle，数据如何存储等等。该数据
+PyDataProvider是PaddlePaddle使用Python提供数据的推荐接口。使用该接口用户可以只关注如何
+从文件中读取每一条数据，而不用关心数据如何传输给PaddlePaddle，数据如何存储等等。该数据
 接口使用多线程读取数据，并提供了简单的Cache功能。
 
 
@@ -26,9 +26,9 @@ train.list即为
 ..  literalinclude:: mnist_provider.py
     :linenos:
 
-其中第一行是引入Paddle的PyDataProvider2包。主要函数是process函数。process函数
+其中第一行是引入PaddlePaddle的PyDataProvider2包。主要函数是process函数。process函数
 具有两个参数，第一个参数是 settings 。这个参数在这个样例里没有使用，具
-体可以参考 settings 。第二个参数是filename，这个参数被Paddle进程传入，为
+体可以参考 settings 。第二个参数是filename，这个参数被PaddlePaddle进程传入，为
 train.list中的一行(即train.list若干数据文件路径的某一个路径)。
 
 :code:`@provider` 是一个Python的 `Decorator <http://www.learnpython.org/en/Decorators>`_
@@ -41,10 +41,10 @@ train.list中的一行(即train.list若干数据文件路径的某一个路径)
 式，请参考 `input_types`_ 的文档。
 
 process函数是实现数据输入的主函数，在这个函数中，实现了打开文本文件，从文本文件中读取
-每一行，并将每行转换成和 `input_types`_ 一致的特征，并在23行返回给Paddle进程。需要注意
+每一行，并将每行转换成和 `input_types`_ 一致的特征，并在23行返回给PaddlePaddle进程。需要注意
 的是， 返回的顺序需要和 `input_types`_ 中定义的顺序一致。
 
-同时，返回数据在Paddle中是仅仅返回一条完整的训练样本，并且使用关键词 :code:`yield` 。
+同时，返回数据在PaddlePaddle中是仅仅返回一条完整的训练样本，并且使用关键词 :code:`yield` 。
 在PyDataProvider中，可以为一个数据文件返回多条训练样本(就像这个样例一样)，只需要在
 process函数调用多次 :code:`yield` 即可。 :code:`yield` 是Python的一个关键词，相关的概
 念是 :code:`generator` 。使用这个关键词，可以在一个函数里，多次返回变量。
@@ -56,8 +56,8 @@ process函数调用多次 :code:`yield` 即可。 :code:`yield` 是Python的一
 这里说明了训练数据是 'train.list'，而没有测试数据。引用的DataProvider是 'mnist_provider' 
 这个模块中的 'process' 函数。
 
-至此，简单的PyDataProvider样例就说明完毕了。对于用户来说，讲数据发送给Paddle，仅仅需要
-知道如何从 **一个文件** 里面读取 **一条** 样本。而Paddle进程帮助用户做了
+至此，简单的PyDataProvider样例就说明完毕了。对于用户来说，讲数据发送给PaddlePaddle，仅仅需要
+知道如何从 **一个文件** 里面读取 **一条** 样本。而PaddlePaddle进程帮助用户做了
 
 * 将数据组合成Batch训练
 * Shuffle训练数据
@@ -140,7 +140,7 @@ DataProvider创建的时候执行。这个初始化函数具有如下参数:
 input_types
 +++++++++++
 
-Paddle的数据包括四种主要类型，和三种序列模式。其中，四种数据类型是
+PaddlePaddle的数据包括四种主要类型，和三种序列模式。其中，四种数据类型是
 
 * dense_vector 表示稠密的浮点数向量。
 * sparse_binary_vector 表示稀疏的零一向量，即大部分值为0，有值的位置只能取1
@@ -189,7 +189,7 @@ init_hook可以传入一个函数。这个函数在初始化的时候会被调
         * file_list 所有文件列表。
     * 用户定义的参数使用args在训练配置中设置。
 
-注意，paddle保留添加参数的权力，所以init_hook尽量使用 :code:`**kwargs` , 来接受不使用的
+注意，PaddlePaddle保留添加参数的权力，所以init_hook尽量使用 :code:`**kwargs` , 来接受不使用的
 函数来保证兼容性。
 
 ..  _cache::

doc_cn/ui/predict/swig_py_paddle.rst

@@ -1,7 +1,7 @@
-Paddle的Python预测接口
+PaddlePaddle的Python预测接口
 ==================================
 
-Paddle目前使用Swig对其常用的预测接口进行了封装，使在Python环境下的预测接口更加简单。
+PaddlePaddle目前使用Swig对其常用的预测接口进行了封装，使在Python环境下的预测接口更加简单。
 在Python环境下预测结果，主要分为以下几个步骤。
 
 * 读入解析训练配置
@@ -17,8 +17,8 @@ Paddle目前使用Swig对其常用的预测接口进行了封装，使在Python
 
 主要的软件包为py_paddle.swig_paddle，这个软件包文档相对完善。可以使用python的 :code:`help()` 函数查询文档。主要步骤为:
 
-* 在程序开始阶段，使用命令行参数初始化paddle
-* 在98行载入paddle的训练文件。读取config
+* 在程序开始阶段，使用命令行参数初始化PaddlePaddle
+* 在98行载入PaddlePaddle的训练文件。读取config
 * 在100行创建神经网络，并在83行载入参数。
 * 103行创建一个从工具类，用来转换数据。
     - swig_paddle接受的原始数据是C++的Matrix，也就是直接写内存的float数组。